[发明专利]边缘节点上的高通量隐私友好硬件辅助机器学习

说明书

一种装置，其包括：存储器；处理器，其被配置成实现加密机器学习模型，所述加密机器学习模型被配置成：基于接收的数据评估所述加密学习模型，以产生加密机器学习模型输出；产生验证信息；防篡改硬件，其被配置成：基于所述验证信息验证所述加密机器学习模型输出；并且当验证所述加密机器学习模型输出时，解密所述加密机器学习模型输出。

技术领域

本文公开的各个示例性实施例一般涉及边缘节点上的高通量隐私友好硬件辅助机器学习。

背景技术

机器学习是一种能够实现预测或分类等广泛应用的技术。然而，在当前的物联网时代，当收集到的用户敏感数据被用作训练此种机器学习中使用的模型的输入时，隐私成为一个重要的主题。这既包括提供其数据的用户的隐私，又包括提供机器学习模型的实体的隐私，因为他们投入了大量时间和精力来训练该模型并采集模型所需的数据。

发明内容

以下呈现了各个示例性实施例的概述。在以下概述中可以进行一些简化和省略，其旨在突出和介绍各个示例性实施例的一些方面，而不是限制本发明的范围。适合于允许本领域普通技术人员制造和使用本发明构思的示例性实施例的详细描述将在后面的部分中阐明。

各个实施例涉及一种装置，其包括：存储器；处理器，其被配置成实现加密机器学习模型，所述加密机器学习模型被配置成：基于接收的数据评估加密学习模型，以产生加密机器学习模型输出；产生验证信息；防篡改硬件，其被配置成：基于验证信息验证加密机器学习模型输出；并且当验证加密机器学习模型输出时，解密加密机器学习模型输出。

描述了各个实施例，其中，验证信息是签名，并且验证加密机器学习模型输出包括验证签名。

描述了各个实施例，其中，验证信息是签名，并且产生验证信息包括产生签名。

描述了各个实施例，其中，验证信息是工作量证明，并且验证加密机器学习模型输出包括验证工作量证明是否正确。

描述了各个实施例，其中，验证信息是工作量证明，并且产生验证信息包括产生工作量证明。

描述了各个实施例，其中，防篡改硬件存储解密密钥，以解密加密机器学习模型的输出。

描述了各个实施例，其中，接收的数据来自物联网装置。

描述了各个实施例，其中，该装置是边缘节点。

描述了各个实施例，其中，使用同态加密来加密加密机器学习模型。

描述了各个实施例，其中，使用微同态加密来加密加密机器学习模型。

另外的各个实施例涉及一种评估加密学习模型的方法，其包括：由处理器基于接收的数据评估加密学习模型，以产生加密机器学习模型输出；由处理器产生验证信息；由防篡改硬件基于验证信息验证加密机器学习模型输出；并且当验证加密机器学习模型输出时，由防篡改硬件解密加密机器学习模型输出。

描述了各个实施例，其中，验证信息是签名，并且验证加密机器学习模型输出包括验证签名。

描述了各个实施例，其中，验证信息是签名，并且产生验证信息包括产生签名。

描述了各个实施例，其中，验证信息是工作量证明，并且验证加密机器学习模型输出包括验证工作量证明是否正确。

描述了各个实施例，其中，验证信息是工作量证明，并且产生验证信息包括产生工作量证明。

描述了各个实施例，其中，防篡改硬件存储解密密钥，以解密加密机器学习模型的输出。

描述了各个实施例，其中，接收的数据来自物联网装置。

描述了各个实施例，其中，处理器和防篡改硬件位于边缘节点中。